Hvordan påvirker kunstig intelligens militære operationer og forsvarsindustrien?

Udviklingen af kunstig intelligens (AI) inden for det private erhvervsliv har skabt betydelige fremskridt, som i stigende grad anvendes i militære sammenhænge. Mange af de grundlæggende forskningsresultater og open source-værktøjer, der gør AI tilgængeligt, kommer fra private virksomheder, der ikke nødvendigvis fokuserer på militære anvendelser, men hvis teknologier har både civile og militære anvendelsesmuligheder. De mest avancerede AI-algoritmer, som kan genkende fjendens udstyr eller identificere personer i videooptagelser, udvikles ofte af tech-giganter som Google, Amazon og Apple samt innovative startups. Disse virksomheder tiltrækker de bedste talenter ved at tilbyde høj løn, avancerede teknologiske værktøjer og en mindre bureaukratisk kultur end den typiske militære eller statslige organisation.

Forsvarsindustrien er traditionelt domineret af et begrænset antal specialiserede virksomheder, men for at bevare adgang til de førende AI-løsninger og eksperter, må militæret i højere grad samarbejde med private tech-virksomheder, som ikke ser sig selv som forsvarsleverandører. Dette samarbejde hindres dog af en række udfordringer: militære sikkerheds- og ydelsesstandarder adskiller sig ofte fra civile, hvilket komplicerer implementeringen af kommerciel AI i militære operationer. Tolerance for fejl i civilt brug kan ikke overføres direkte til kampmiljøer, hvor uforudsete fejl i AI-systemer kan have fatale konsekvenser.

Anvendelserne af AI inden for forsvarssektoren er mangeartede og omfatter efterretning, overvågning og rekognoscering (ISR), logistik, cyberspace-operationer, informationsoperationer, kommando og kontrol, semi-autonome og autonome køretøjer samt autonome våbensystemer (LAWS). AI understøtter beslutningstagning, forbedrer situationsforståelse, og muliggør hurtigere og mere præcise operationer med færre risici for menneskeliv. Fremtidens krigsførelse forventes i høj grad at involvere algoritmer, der kæmper mod hinanden, hvor AI både vil assistere og i nogle tilfælde erstatte menneskelige operatører.

Fordelene ved AI i militæret inkluderer øget beslutningshastighed, bedre anvendelse af big data, forbedret målretning og vision, støtte til beslutningstagning, reduktion af personaleomkostninger, forbedret cybersikkerhed, højere præcision og effektivitet, bedre evne til at operere i komplekse og fjendtlige miljøer samt fjernelse af emotionelle faktorer i beslutninger. Samtidig medfører AI betydelige risici: hurtigere beslutninger kan føre til eskalation, systemer kan være mindre præcise end mennesker, vanskeligheder med at skelne mellem civile og fjender kan opstå, og der er risiko for automatiseringsbias, fejl i data, hacking, uforudsigeligt adfærd og svækkelse af menneskelige færdigheder.

Det er vigtigt at forstå, at AI ikke blot er en teknologisk udfordring, men også en strategisk og etisk dimension af moderne krigsførelse. Implementeringen kræver en omhyggelig balance mellem teknologisk innovation, sikkerhedsforanstaltninger og international regulering for at undgå utilsigtede konsekvenser som våbenkapløb og eskalering af konflikter. Militæret må samtidig sikre, at AI anvendes på en måde, der fastholder menneskelig kontrol og ansvarlighed, samtidig med at det udnytter teknologien til at forbedre sikkerhed og effektivitet.

Hvordan ændrer kunstig intelligens cockpitrollen og samarbejdet mellem bemandede og ubemandede kampfly krigens fremtid?

Kunstig intelligens (AI) er blevet en afgørende komponent i udviklingen af sjette generations kampfly, især gennem dens evne til at skabe effektive teams mellem menneskelige piloter og ubemandede luftfartøjer (UAV’er). Denne symbiose mellem AI og menneskelig kontrol giver nye offensive og defensive muligheder, som tidligere generationer kampfly ikke kunne realisere. I 2020 blev en milepæl nået, da et AI-algoritme udviklet af Heron Systems i en simuleret F-16 overgik en erfaren pilot i en række virtuelle luftkampe, hvilket demonstrerede AI’s potentiale til at tage over pilotrollen i de mest dynamiske og krævende situationer.

Selvom betingelserne under disse simulationer favoriserede AI, idet piloten kun havde et VR-headset og ikke sad i et fysisk fly, er det et tegn på den hastige fremgang inden for automatisering og AI-støttet pilotering. I civil luftfart har man allerede automatiske systemer som Garmins Autonomi, der kan overtage kontrollen ved pilotens svækkelse og lande flyet sikkert. Men militær luftfart stiller langt større krav, ikke blot i stabilisering men i taktisk og sensorbaseret beslutningstagning.

Et vigtigt eksempel på AI’s integration i militær luftfart er USAF’s brug af AI-algoritmen ARTUμ i en U-2 rekognosceringsflyvning, hvor AI assisterede piloten med sensorhåndtering og taktisk navigation. Denne form for samarbejde viser, hvordan AI kan aflaste pilotens arbejdsbyrde ved at samle og analysere data fra mange kilder i realtid. Det giver ikke alene bedre beslutningsgrundlag, men muliggør også koordination med autonome systemer i kampflyets nærhed.

Udviklingen inden for Manned-Unmanned Teaming (MUM-T) har rødder i helikopteroperationer, hvor samarbejdet mellem pilotstyrede Apache-helikoptere og UAV’er allerede har vist stor effektivitet i kamp. Overgangen til fastvingede kampfly har været teknologisk udfordrende, fordi højere hastigheder kræver mere avanceret og integreret AI for at sikre flyvesikkerhed og missionseffektivitet.

Et konkret initiativ er “Loyal Wingman”-projektet, hvor et bemandet fly opererer sammen med en eller flere ubemandede kampfly, som fungerer som spejdere og angrebsplatforme. Fremtidens taktikker inkluderer ’flocking’ og ’swarming’, hvor flere ubemandede enheder opererer enten som koordinerede grupper under menneskelig kommando eller som større sværme, der træffer kollektive beslutninger uden detaljeret kontrol fra det bemandede fly.

Disse ’Low Cost Attritable Aircraft’ (LCAA) repræsenterer en økonomisk bæredygtig måde at øge kampkraften på, hvor de kan anvendes gentagne gange og tabes uden store omkostninger sammenlignet med bemandede kampfly som F-35. AI muliggør, at disse UAV’er kan indgå i MUM-T, som det ses i US Air Force’s Skyborg-program, der fokuserer på autonomi og hurtig respons i komplekse og fjendtlige miljøer.

Det er vigtigt at forstå, at denne teknologiske udvikling ikke blot handler om at erstatte piloter med maskiner, men om at redefinere roller og samarbejdsformer i kampfly. AI skal opfattes som en ko-pilot, en taktisk assistent og en central aktør i en større, integreret kampgruppe bestående af både bemandede og ubemandede enheder. At mestre denne integration vil være afgørende for fremtidens luftmilitære overlegenhed, hvor menneskets intuition og AI’s datakapacitet sammen kan skabe et overlegent, adaptivt system.

Desuden bør læseren være opmærksom på de etiske og taktiske konsekvenser af at anvende autonome våbensystemer. Selv om AI kan reducere risikoen for menneskelige tab og øge effektiviteten, skaber det også nye udfordringer med kontrol, ansvar og beslutningstagning under højspændte situationer. En dyb forståelse af disse aspekter er nødvendig for at kunne navigere i den nye æra af luftkrigsførelse, hvor menneske og maskine smelter sammen i kampens hede.

Hvordan udviklingen af fremtidens krigsmaskiner kræver et nyt normativt arkitektur for bevidsthed

Det er i denne fremtidige kontekst, at krigsmaskiner skal designes, udvikles og forstås. Det er kun når designarkitekturen er omfattende og klar, at man kan udvikle strategier og risici for fremtidens krigsmaskiner og den ikke-kulstofbaserede bevidsthed generelt. Krig er uden tvivl et komplekst system-af-systemer, hvor betingelserne konstant ændres med nye aktører, specifikationer for konfliktområder og en sammenblanding af civile og militære infrastrukturer. Det er også i dette system-af-systemer, at krigsmaskiner sandsynligvis vil være forrest i udviklingen af en normativ motor som et selvregulerende beslutningssystem for autonome beslutninger og handlinger.

Historisk set er innovationer ofte blevet først inkuberet i militærdomenet og senere udviklet til civile anvendelser, som validerer denne antagelse. I denne sammenhæng foreslås et nyt logiksystem over fire dimensioner: Emergent Filosofi, Emergent Logik, Emergent Ramme og Emergent Principper. I denne sammenhæng bruges 'emergence' på samme måde som Swarm Intelligence beskriver det: som 'kollektiv adfærd i decentraliserede, selvorganiserende systemer, både naturlige og kunstige'.

Bevidsthedens filosofi er imidlertid ikke den største udfordring. Byggestenene for at generere en bio-kode er i stigende grad tilgængelige, og tipping pointet for levedygtig integration vil blive nået snart. Den største udfordring ligger i at designe den normative arkitektur for bevidsthed. Bevidsthed er blevet dissekeret ved hjælp af to hovedtanker: gennem kvalia som en specifik intersubjektiv oplevelse, der kendetegner flere vestlige filosofiske skoler, og gennem bevidsthed som en kontinuerlig, interrelationel proces af universel transcendental erkendelse, som gennemsyrer mange asiatiske filosofier.

Imidlertid bliver denne filosofi problematisk, når en tredje akse tilføjes: det observerede og det tænkte. Ved at tilføje denne tredje akse får objektet og tanken en egen agentur. Hvert objekt og tanke vil i princippet have en vis ækvivalens. Denne ækvivalens kræver en logaritmisk skala, der kan rumme alle normative værdier knyttet til et objekt eller en tanke på en kompakt måde. Uden den tredje akse resulterer empirisk falsifikation i det, der ofte kaldes optimeringslogik – en logik, der gennemsyrer alle moderne strategiske og taktiske beslutningsprocesser. Denne logik fører til det, der i system-af-systemer rammerne kaldes en 'path dependency'. Dette betyder, at hvordan et problem defineres på forhånd, i høj grad prædefinerer svaret.

Optimeringslogikken resulterer i et system, der foretrækker status quo og opretholdelse af systemets ligevægt frem for at fremme kontinuerlig læring og en agil inkorporering af ny viden og erfaringer i beslutningsrammer. I denne kontekst bliver udfordringen ved empirisk falsifikation og optimeringslogik endnu mere kompleks, når man ser på maskinlæring, hvor den optimale beslutning ofte kræver en tilpasning af systemets beslutningsmodeller.

I modsætning hertil har de indiske filosofiske traditioner en lang historie med at engagere sig med denne 'dualitet' gennem princippet om tattva eller 'dette', som en metode til at forstå naturen af viden og erfaring. Dette synspunkt rummer et alternativt perspektiv på bevidsthed og erkendelse, hvor objekter og tanker ikke nødvendigvis er adskilt, men er uadskillelige og gensidigt afhængige. Dette skaber et grundlag for at udvikle en ny normativ arkitektur, hvor både maskiner og mennesker kan forstå og reagere på bevidsthed og beslutningstagning i et fælles system.

Maskinernes evne til at opnå autonom bevidsthed og træffe beslutninger på et etisk og rationelt grundlag kræver et paradigmeskift i den måde, vi designer og forstår teknologiske systemer. I sidste ende er det ikke kun teknologiens kapacitet, men den normative og etiske ramme, vi skaber omkring den, som vil afgøre, hvordan fremtidens krigsmaskiner – og måske endda selve menneskets relation til teknologi – vil udvikle sig.